IronOCRとDynamsoft OCRの比較

どちらのソフトウェア セットも、OCR 用に画像を切り抜くソリューションを提供します。

IronOCRで切り取られた領域を読み取る

Iron の Tesseract OCR ブランチは、次のコード サンプルに示すように、画像の特定の領域の読み取りに適しています。

System.Drawing.Rectangleを使用して、読み取る画像の正確な領域をピクセル単位で記述します。

標準化されたフォームに入力し、その内容の一部のみがケースごとに変更される場合、これは非常に便利です。

ページのセクションのスキャン: System.Drawing.Rectangleを使用してドキュメントから読み取る領域を指定し、速度と精度を向上させます。

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;
using System.Drawing;

class Program
{
    static void Main(string[] args)
    {
        // Create an instance of IronTesseract
        var ocr = new IronTesseract();

        using (var input = new OcrInput())
        {
            // Define content area of interest
            var contentArea = new Rectangle() { X = 215, Y = 1250, Height = 280, Width = 1335 };

            // Add the specific region to the input
            input.AddImage("img/ComSci.png", contentArea);

            // Perform OCR operation
            var result = ocr.Read(input);

            // Output recognized text to console
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr
Imports System.Drawing

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		' Create an instance of IronTesseract
		Dim ocr = New IronTesseract()

		Using input = New OcrInput()
			' Define content area of interest
			Dim contentArea = New Rectangle() With {
				.X = 215,
				.Y = 1250,
				.Height = 280,
				.Width = 1335
			}

			' Add the specific region to the input
			input.AddImage("img/ComSci.png", contentArea)

			' Perform OCR operation
			Dim result = ocr.Read(input)

			' Output recognized text to console
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

これにより、速度が 41 パーセント向上し、より具体的な指定も可能になります。 これは、請求書、領収書、小切手、フォーム、経費請求書など、比較可能で一貫性のあるドキュメントを扱う .NET OCR アプリケーションにとって非常に役立ちます。

PDF の読み取り時には、ContentAreas (OCR 切り取り) もサポートされます。

Dynamsoft OCRで切り取られた領域を読み取る

まず、Visual Studio を起動して新しい C# Windows フォーム アプリケーションをビルドするか、既存のアプリケーションを開きます。 DynamicDotNetTWAIN.dll 、 DynamicOCR.dll 、および適切な言語パッケージを含める必要があります。

1. [ツール] -> [ツールボックス アイテムの選択] に移動し、[.NET Framework コンポーネント] タブで [参照] ボタンをクリックし、 DynamicDotNetTWAIN.dllを見つけます。

2. ソリューション エクスプローラーでプロジェクト ファイルを右クリックし、[追加] -> [既存の項目...] を選択します。 次に、OCR リソース ディレクトリから必要な項目を追加します。

これは LoadImage ボタンをクリックするためのコードです。

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

private void button1_Click(object sender, EventArgs e) 
{
    OpenFileDialog filedlg = new OpenFileDialog(); 
    if (filedlg.ShowDialog() == DialogResult.OK) 
    { 
        dynamicDotNetTwain1.LoadImage(filedlg.FileName);
        // Choose an image from your local disk and load it into Dynamic .NET TWAIN
    } 
}

private void dynamicDotNetTwain1_OnImageAreaSelected(short sImageIndex, int left, int top, int right, int bottom) 
{
    dynamicDotNetTwain1.OCRTessDataPath = "../../"; 
    dynamicDotNetTwain1.OCRLanguage = "eng";
    OcrResultFormat ocrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text;

    byte [] sbytes = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom);
    // OCR the selected area of the image

    if (sbytes != null) 
    { 
        SaveFileDialog filedlg = new SaveFileDialog(); 
        filedlg.Filter = "Text File(*.txt)| *.txt"; 
        if (filedlg.ShowDialog() == DialogResult.OK) 
        {
            FileStream fs = File.OpenWrite(filedlg.FileName); 
            fs.Write(sbytes, 0, sbytes.Length);
            // Save the OCR result as a text file
            fs.Close(); 
        }
        MessageBox.Show("OCR successful");
    } 
    else 
    {
        MessageBox.Show(dynamicDotNetTwain1.ErrorString); 
    }
}

Private Sub button1_Click(ByVal sender As Object, ByVal e As EventArgs)
	Dim filedlg As New OpenFileDialog()
	If filedlg.ShowDialog() = DialogResult.OK Then
		dynamicDotNetTwain1.LoadImage(filedlg.FileName)
		' Choose an image from your local disk and load it into Dynamic .NET TWAIN
	End If
End Sub

Private Sub dynamicDotNetTwain1_OnImageAreaSelected(ByVal sImageIndex As Short, ByVal left As Integer, ByVal top As Integer, ByVal right As Integer, ByVal bottom As Integer)
	dynamicDotNetTwain1.OCRTessDataPath = "../../"
	dynamicDotNetTwain1.OCRLanguage = "eng"
	Dim ocrResultFormat As OcrResultFormat = Dynamsoft.DotNet.TWAIN.OCR.ResultFormat.Text

	Dim sbytes() As Byte = dynamicDotNetTwain1.OCR(dynamicDotNetTwain1.CurrentImageIndexInBuffer, left, top, right, bottom)
	' OCR the selected area of the image

	If sbytes IsNot Nothing Then
		Dim filedlg As New SaveFileDialog()
		filedlg.Filter = "Text File(*.txt)| *.txt"
		If filedlg.ShowDialog() = DialogResult.OK Then
			Dim fs As FileStream = File.OpenWrite(filedlg.FileName)
			fs.Write(sbytes, 0, sbytes.Length)
			' Save the OCR result as a text file
			fs.Close()
		End If
		MessageBox.Show("OCR successful")
	Else
		MessageBox.Show(dynamicDotNetTwain1.ErrorString)
	End If
End Sub

アプリケーションの外観は次のようになります。

入力画像の品質は、OCR タスクの速度を決定する最も重要な要素です。 背景ノイズが低く、dpi が高いほど (目標値は約 200 dpi)、OCR 出力はより高速かつ正確になります。

Dynamsoft OCRの画像処理技術

携帯電話でクレジットカード番号をスキャンしたり、紙の文書からテキストを抽出したりするなど、さまざまな状況で OCR を使用する必要があります。 OCR 機能は、Dynamsoft Label Recognition (DLR) および Dynamic Web TWAIN (DWT) に含まれています。

一般的に優れた性能を発揮しますが、さまざまな画像処理技術を使用することで、さらに成果を向上させることができます。

影を明るくする/消す

照明が不十分だと OCR の結果に影響が出る可能性があります。 結果を改善するために、写真を白くしたり、画像から影を取り除いたりすることができます。

Invert

OCR エンジンは暗い色のテキストを対象にトレーニングされることが多いため、明るい色のテキストは検出して認識するのが難しくなります。

色を反転すると認識しやすくなります

反転を実行するには、DLR のGrayscaleTransformationModesパラメータを使用できます。

JSON 設定は次のとおりです。

"GrayscaleTransformationModes": [
    {
        "Mode": "DLR_GTM_INVERTED"
    }
]

DLR .netの読み取り結果:

Rescale

文字の高さが低すぎると、OCR エンジンが適切な結果を生成しない可能性があります。 一般に、画像の DPI は少なくとも 300 である必要があります。

DLR 1.1 には、文字を拡大できるScaleUpModesパラメータがあります。 もちろん、画像の拡大縮小は自分で行うこともできます。

画像を直接読み取ると、間違った結果になります。

画像を 2 倍に拡大すると、結果は正しくなります。

Deskew

文字が多少歪んでいても大丈夫です。 しかし、それが過度に歪んでいる場合、結果は悪くなるでしょう。 結果を改善するには、画像をトリミングする必要があります。

これを実現するには、OpenCV と Python の Hough Line Transform を使用できます。

上記の画像の傾きを修正するコードは次のとおりです。

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = 画像。fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

import cv2
import numpy as np
import math
from PIL import Image

def deskew():
    src = cv2.imread("neg.jpg", cv2.IMREAD_COLOR)
    gray = cv2.cvtColor(src, cv2.COLOR_BGR2GRAY)
    kernel = np.ones((5,5), np.uint8)
    erode_img = cv2.erode(gray, kernel)
    eroDil = cv2.dilate(erode_img, kernel)
    show_and_wait_key("eroDil", eroDil)

    canny = cv2.Canny(eroDil, 50, 150)
    show_and_wait_key("canny", canny)

    lines = cv2.HoughLinesP(canny, 0.8, np.pi / 180, 90, minLineLength=100, maxLineGap=10)
    drawing = np.zeros(src.shape[:], dtype=np.uint8)

    maxY = 0
    degree_of_bottomline = 0
    index = 0
    for line in lines:
        x1, y1, x2, y2 = line[0]
        cv2.line(drawing, (x1, y1), (x2, y2), (0, 255, 0), 1, lineType=cv2.LINE_AA)
        k = float(y1-y2)/(x1-x2)
        degree = np.degrees(math.atan(k))
        if index == 0:
            maxY = y1
            degree_of_bottomline = degree
        else:        
            if y1 > maxY:
                maxY = y1
                degree_of_bottomline = degree
        index += 1
    show_and_wait_key("houghP", drawing)

    img = 画像。fromarray(src)
    rotate_img = img.rotate(degree_of_bottomline)
    rotate_img_cv = np.array(rotate_img)
    cv2.imshow("rotateImg", rotate_img_cv)
    cv2.imwrite("deskewed.jpg", rotate_img_cv)
    cv2.waitKey()

def show_and_wait_key(win_name, img):
    cv2.imshow(win_name, img)
    cv2.waitKey()

if __name__ == "__main__":
    deskew()

検出された行:

傾き:

IronOCRの画像処理技術

IronOCR は欠陥のあるドキュメントの修復に優れているため、ここでは入力画像の品質は重要ではありません (ただし、これには時間がかかり、OCR ジョブでより多くの CPU サイクルが使用されることになります)。

TIFF や PNG などのデジタル ノイズの少ない入力画像形式を選択すると、JPEG などの非可逆画像形式よりも結果が速くなることもあります。

以下にリストされている画像フィルターを使用すると、パフォーマンスが大幅に向上します。

• OcrInput.Rotate(double degrees) — 指定された度数だけ画像を時計回りに回転します。 反時計回りの回転には負の整数が使用されます。
• OcrInput.Binarize() — この画像フィルターは、すべてのピクセルを中間のピクセルなしで黒または白にします。 テキストと背景のコントラストが非常に低い状況では、OCR のパフォーマンスが向上する可能性があります。
• OcrInput.ToGrayScale() — この画像フィルターは、すべてのピクセルをグレースケール シェードに変換します。 OCR の精度が向上する可能性は低いですが、速度は向上する可能性があります。
• OcrInput.Contrast() — コントラストを自動的に高めます。コントラストの低いスキャンでは、このフィルターによりOCRの速度と精度が向上することがよくあります。
• OcrInput.DeNoise() — このフィルターは、ノイズが予想される場合にのみ使用してください。
• OcrInput.Invert() — すべての色を反転します。 たとえば、白は黒になり、黒は白になります。
• OcrInput.Dilate() — 高度な形態学。 膨張は、画像内のオブジェクトの端にピクセルを追加するプロセスです。 (Inverse of Erode)
• OcrInput.Erode() — 高度な形態学関数。 侵食は、オブジェクトの端からピクセルを除去するプロセスです。 (Inverse of Dilate)
• OcrInput.Deskew() — 画像を直交かつ正しい向きになるように回転します。Tesseractはスキャンの傾きを5度まで許容できるため、OCR処理に非常に便利です。
• DeepCleanBackgroundNoise() — 大量の背景ノイズを除去します。このフィルターは、鮮明な文書のOCR精度を低下させる可能性があり、CPU負荷も非常に高いため、文書に大量の背景ノイズが含まれていることが分かっている場合にのみ使用してください。
• OcrInput.EnhanceResolution — 低解像度の写真の解像度を向上します。 OcrInputのため、このフィルターはほとんど使用されません。 OcrInput低解像度を自動的に検出して解決します。

高品質のスキャンで OCR を高速化するには、IronTesseract を使用することをお勧めします。 速度を重視する場合は、ここから始めて、適切なバランスが得られるまで機能を再度オンにしていくとよいでしょう。

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

using IronOcr;

class Program
{
    static void Main(string[] args)
    {
        var ocr = new IronTesseract();

// Configuration for speed tuning
        ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\\";
        ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto;
        ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5;
        ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly;
        ocr.Language = OcrLanguage.EnglishFast;

        using (var input = new OcrInput(@"img\Potter.tiff"))
        {
            var result = ocr.Read(input);
            Console.WriteLine(result.Text);
        }
    }
}

Imports IronOcr

Friend Class Program
	Shared Sub Main(ByVal args() As String)
		Dim ocr = New IronTesseract()

' Configuration for speed tuning
		ocr.Configuration.BlackListCharacters = "~`$#^*_}{][|\"
		ocr.Configuration.PageSegmentationMode = TesseractPageSegmentationMode.Auto
		ocr.Configuration.TesseractVersion = TesseractVersion.Tesseract5
		ocr.Configuration.EngineMode = TesseractEngineMode.LstmOnly
		ocr.Language = OcrLanguage.EnglishFast

		Using input = New OcrInput("img\Potter.tiff")
			Dim result = ocr.Read(input)
			Console.WriteLine(result.Text)
		End Using
	End Sub
End Class

この結果は、ベースラインの100%と比較して99.8% の精度ですが、速度は 35% 速くなります。